Estimar los ángulos de las articulaciones humanas es una tarea crucial en el análisis del movimiento, el reconocimiento de gestos y la predicción de la intención del movimiento. Este artículo presenta un enfoque novedoso basado en modelos para generar una estimación fiable y precisa de los ángulos de las articulaciones humanas utilizando una red de doble rama. La red propuesta aprovecha las características combinadas derivadas de las señales sEMG codificadas y los datos de imagen RGB-D. Para garantizar la precisión y confiabilidad del algoritmo de estimación, la red propuesta emplea un autoencoder convolucional para generar una compresión de alto nivel de las características sEMG destinadas a la predicción del movimiento. Teniendo en cuenta la variabilidad en la distribución de las señales sEMG, la red propuesta introduce una red de regresión conjunta basada en visión para mantener la estabilidad de las características combinadas. Teniendo en cuenta la latencia, la oclusión y los problemas de sombreado con la adquisición de datos de visión, la red de fusión de características utiliza las características sEMG de alta frecuencia como pesos para características específicas extraídas de los datos de imagen. El método propuesto logra una estimación efectiva de los ángulos de las articulaciones del cuerpo humano para el análisis del movimiento y la predicción de la intención del movimiento al mitigar los efectos de las señales sEMG no estacionarias.